在 Python 数据分析中,Pandas 是一个强大的库,用于处理和分析数据。它提供了各种各样的方法和函数,使数据转换和操作变得更加容易。在本文中,将深入探讨 Pandas 中的 case_when()
方法,它可以用于条件性地创建新的列,类似于 SQL 中的 CASE WHEN
语句。我们将详细讨论该方法的用法,并提供丰富的示例代码。
什么是 case_when()
方法?
case_when()
方法是 Pandas 库中的一个函数,它允许我们根据条件创建新的列。这个方法通常用于根据数据的某些特征或条件来生成新的数据列,类似于使用 if-else 语句进行条件判断。
在 Pandas 中,case_when()
方法通常与 apply()
方法结合使用,以便根据条件对每一行数据进行操作。它提供了一种更灵活的方式来处理数据,而不需要编写大量的条件判断语句。
case_when()
方法的语法
case_when()
方法的语法如下:
pandas.Series.case_when(conditions, values, default=None, *args, **kwargs)
参数说明:
-
conditions
:条件列表,用于定义何时应用哪个值。 -
values
:与条件列表中的每个条件相对应的值列表,用于指定满足条件时要应用的值。 -
default
:可选参数,用于指定默认值,当没有条件匹配时将使用该值。 -
*args
和**kwargs
:其他参数,用于传递给apply()
方法。
示例代码
通过几个示例来演示 case_when()
方法的用法。
示例 1:基本用法
假设有一个包含学生分数的数据集,我们想根据分数判断他们的等级。
可以使用 case_when()
方法来实现这个任务:
import pandas as pd
# 创建示例数据集
data = {'学生姓名': ['Alice', 'Bob', 'Charlie', 'David', 'Eva'],
'分数': [85, 70, 95, 60, 75]}
df = pd.DataFrame(data)
# 定义条件和对应的值
conditions = [df['分数'] >= 90, (df['分数'] >= 80) & (df['分数'] < 90), df['分数'] < 80]
values = ['优秀', '良好', '及格']
# 使用 case_when() 方法创建新列
df['等级'] = df['分数'].case_when(conditions, values, default='不及格')
# 输出结果
print(df)
以上代码将根据学生的分数创建一个新的等级列,并根据条件将相应的等级分配给每个学生。
示例 2:使用默认值
有时候,某些数据可能不满足任何条件。在这种情况下,可以使用默认值来处理这些情况:
import pandas as pd
# 创建示例数据集
data = {'学生姓名': ['Alice', 'Bob', 'Charlie', 'David', 'Eva'],
'分数': [85, 70, 95, 60, None]}
df = pd.DataFrame(data)
# 定义条件和对应的值
conditions = [df['分数'] >= 90, (df['分数'] >= 80) & (df['分数'] < 90), df['分数'] < 80]
values = ['优秀', '良好', '及格']
# 使用 case_when() 方法创建新列,并设置默认值为 '未知'
df['等级'] = df['分数'].case_when(conditions, values, default='未知')
# 输出结果
print(df)
在这个示例中,使用了一个包含空值的数据集,并使用 default
参数将没有匹配条件的行标记为“未知”。
示例 3:使用 apply() 方法
case_when()
方法通常与 apply()
方法一起使用,以便根据多个条件对数据集的每一行进行操作。
以下是一个示例,根据学生的分数和出勤情况来计算他们的最终成绩:
import pandas as pd
# 创建示例数据集
data = {'学生姓名': ['Alice', 'Bob', 'Charlie', 'David', 'Eva'],
'分数': [85, 70, 95, 60, 75],
'出勤率': [90, 80, 95, 70, 85]}
df = pd.DataFrame(data)
# 使用 apply() 方法将多个条件应用于每一行
def calculate_grade(row):
if row['分数'] >= 90 and row['出勤率'] >= 90:
return '优秀'
elif row['分数'] >= 80 and row['出勤率'] >= 80:
return '良好'
elif row['分数'] >= 60 and row['出勤率'] >= 70:
return '及格'
else:
return '不及格'
df['最终成绩'] = df.apply(calculate_grade, axis=1)
# 输出结果
print(df)
在这个示例中,使用 apply()
方法定义了一个自定义函数 calculate_grade()
,该函数基于多个条件来计算最终成绩,并将其应用于数据集的每一行。
示例 4:多条件的复杂情况
有时候,需要根据多个条件的组合来生成新的列。
例如,可以根据学生的分数和出勤情况来确定他们是否能够获得奖学金:
import pandas as pd
# 创建示例数据集
data = {'学生姓名': ['Alice', 'Bob', 'Charlie', 'David', 'Eva'],
'分数': [85, 70, 95, 60, 75],
'出勤率': [90, 80, 95, 70, 85]}
df = pd.DataFrame(data)
# 定义多条件和对应的值
conditions = [(df['分数'] >= 90) & (df['出勤率'] >= 90),
(df['分数'] >= 80) & (df['出勤率'] >= 80),
(df['分数'] >= 60) & (df['出勤率'] >= 70)]
values = ['获奖学金', '荣誉奖', '合格']
# 使用 case_when() 方法创建新列
df['奖励'] = df.apply(lambda row: row['分数'].case_when(conditions, values, default='未获奖'), axis=1)
# 输出结果
print(df)
在这个示例中,定义了多个条件和对应的值,并使用 apply()
方法将 case_when()
方法应用于每一行数据,根据多个条件的组合来确定是否获得奖学金。
示例 5:根据多列生成新列
有时候,需要根据多列的值生成新的列。
例如,可以根据学生的分数和出勤情况来生成一个总分列:
import pandas as pd
# 创建示例数据集
data = {'学生姓名': ['Alice', 'Bob', 'Charlie', 'David', 'Eva'],
'分数1': [85, 70, 95, 60, 75],
'分数2': [90, 80, 85, 70, 90]}
df = pd.DataFrame(data)
# 使用 apply() 方法生成新列
df['总分'] = df.apply(lambda row: row['分数1'] + row['分数2'], axis=1)
# 输出结果
print(df)
在这个示例中,使用 apply()
方法将两列分数相加,生成了一个新的总分列。
示例 6:处理缺失值
case_when()
方法也可以用于处理缺失值。
例如,可以根据分数是否缺失来为学生分配等级:
import pandas as pd
import numpy as np
# 创建示例数据集
data = {'学生姓名': ['Alice', 'Bob', 'Charlie', 'David', 'Eva'],
'分数': [85, np.nan, 95, 60, 75]}
df = pd.DataFrame(data)
# 定义条件和对应的值
conditions = [df['分数'].notna() & (df['分数'] >= 90),
df['分数'].notna() & (df['分数'] >= 80),
df['分数'].notna() & (df['分数'] >= 60)]
values = ['优秀', '良好', '及格']
# 使用 case_when() 方法创建新列,并处理缺失值
df['等级'] = df['分数'].case_when(conditions, values, default='不及格')
# 输出结果
print(df)
在这个示例中,使用 notna()
方法来检查分数是否缺失,并根据条件来为每个学生分配等级。
总结
在本文中,深入探讨了 Pandas 中的 case_when()
方法的用法,包括基本用法和高级用法。这个方法对于数据分析和数据转换任务非常有用,可以根据条件创建新的列,处理多条件组合和缺失值,并生成新的数据集。希望通过本文的示例代码和解释,能更好地理解和运用 case_when()
方法。这将有助于更灵活地处理各种数据分析和数据处理任务。